文献类型：期刊文章

作　　者：伍大清[1,2,3] 郑建国[1]

机构地区：[1]东华大学旭日工商管理学院,上海200051 [2]南华大学计算机科学与技术学院,湖南衡阳421001 [3]人工智能四川省重点实验室,四川自贡643000

出　　处：《控制与决策》

基　　金：国家自然科学基金项目(70971020/G010301);人工智能四川省重点实验室项目(2012RYJ03)

年　　份：2013

卷　　号：28

期　　号：7

起止页码：1087-1093

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、EI(收录号：20133216587757)、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对当前各种粒子群优化算法解决问题时存在的局限性,提出一种基于混合策略自适应学习的粒子群优化算法(HLPSO).该算法从收敛速度、跳出局部极值、探索、开发几个不同角度融合了4种具有不同优势的变异策略,当面对不同形态的复杂问题时通过自适应学习机制选择出合适的策略来完成全局寻优.通过对7个标准测试函数的仿真实验并与其他算法相比较,所得结果表明了所提出的算法具有较快的收敛速度、较高的精度以及很强的跳出局部极值的能力.

关 键 词：粒子群优化 自适应学习 变异策略  函数优化

分 类 号：TP301]